Electronic and chemical phase identification in photoemission experiments using unsupervised machine learning

为了在最基本的层面上理解物质世界，科学家经常观察电子在固体内部的行为。想象一下，将一种非常特殊的光照射到一块物质上；这种光会撞击并使被称为电子的微小粒子脱离。通过捕捉这些电子并测量它们的速度和方向，研究人员可以绘制出材料不可见的电子结构，从而揭示其如何导电或与光相互作用。这种被称为光电子能谱（photoemission spectroscopy）的技术极其强大，但它也面临着一个令人沮些的局限性：它对材料的最表层极其敏感。因为被测量的电子来自深度小于一个纳米的深度，所以表面必须保持绝对新鲜且洁净。在进行这些实验的真空室中，即使是看似完美的表面，也会在两天内甚至更短的时间内开始退化或发生变化。这形成了一场与时间的赛跑。在科学研究开始之前，研究人员必须在样品上找到最佳的测量点。

问题在于，这些新鲜的表面通常是杂乱且不均匀的。单个样品可能会有不同化学成分的斑块、厚度变化的层，或是旋转角度各异的区域。为了寻找最佳位置，科学家传统上使用一种称为“光栅扫描”（raster scan）的方法。他们按照严格的网格模式移动样品，就像割草机割草一样，在每一个交点进行测量。然后他们停下来，观察数据，并决定是否需要放大并再次扫描一个更小的区域。这个过程很慢，消耗大量时间，并且经常浪费新鲜表面的有限寿命。如果科学家选择的网格太细，他们就会在重复测量相同的东西上浪费时间；如果网格太粗，他们可能会完全错过有趣的特征。该领域面临的问题是：计算机能否比人类使用网格更快速、更聪明地导航这一混乱的景观？

在最近的一项研究中，一个研究团队引入了一种名为 AARDVARK 的新方法，该系统旨在利用机器学习来引导这些实验。AARDVARK 不再遵循僵化的网格或随机猜测，而是像一个智能探索者一样边走边学。研究人员使用一种由两层石墨烯组成的复杂样品测试了他们的想法，石墨烯是一种由单层碳原子组成的材料。在他们的设置中，一个大型、完美的石墨烯晶体作为基底，而第二层多晶石墨烯被放置在上面。顶层并不均匀；它由许多个小区域组成，每个区域相对于底层都以不同的角度旋转。这创造了一个电子特性随位置而变化的景观，模拟了科学家在实际实验中遇到的那种杂乱、非均匀的表面。

AARDVARK 系统的工作原理是不断询问：“下一步我们应该测量哪里？”它首先进行几次测量，然后使用一种强大的数学工具将数据可视化。它将每次测量中的海量信息（描述电子能量和动量的数千个数据点）压缩成一张简单的彩色地图。在这张图中，具有相似电子特性的点表现为相似的颜色，而具有不同特性的点则表现为不同的颜色。这使得系统能够在不需要理解每个数字背后的复杂物理学的情况下，看到样品的电子“形状”。

一旦系统拥有了这张彩色地图，它就会使用一种称为高斯过程回归（Gaussian process regression）的方法来预测样品未测量部分的样子。把它想象成一个聪明的猜想者，它不仅能预测一个新点的数值，还能计算出它对该猜想的不确定程度。系统被编程为优先处理那些它最不确定的区域。如果地图中的颜色在相邻点之间发生剧烈变化，系统就知道它发现了一个不同区域之间的边界，并会将测量光束发送到该边缘以更精确地定义它。如果一个区域看起来很均匀，系统就会跳过它，因为它知道再次测量将不会产生任何新信息。这使得系统能够将精力集中在边缘和独特的特征上，忽略掉那些枯燥、重复的部分。

研究人员在计算机上模拟了这个过程，使用了一个包含超过 8,000 个预测量点的数据库，以观察 AARDVARK 与传统方法相比的表现如何。他们运行了三种不同的场景：新的机器学习方法、标准的网格扫描以及没有任何逻辑的随机搜索。结果令人震惊。在仅进行 400 到 600 次测量后，AARDVARK 系统就已经识别出了样品的重大边界和不同区域，其清晰度是网格法和随机法在进行 1,000 到 2,000 次测量后才能达到的。采用直线移动的网格法经常在重复测量相同的均匀区域上浪费时间，而随机方法则由于力量过于分散，无法定义任何特定的形状。相比之下，AARDVARK 能迅速锁定不同区域之间的过渡地带，以极少的步骤有效地绘制出样品的电子地形图。

这种效率不仅仅是为了节省时间，更是为了保护样品。由于新鲜表面退化得很快，每一次测量都至关重要。通过更快地找到有趣的区域，AARDVARK 减少了样品暴露在测量光束下的总时间，而测量光束有时会对材料造成损伤。该系统证明了其处理两种不同类型测量的灵活性：一种是绘制电子结构的测量，另一种是识别原子化学成分的测量。尽管这两种测量观察样品的方式不同，但系统都能适应，它能识别出电子图中的边界可能与化学图中的边界并不完全匹配，并据此调整其搜索策略。

这项研究表明，计算机可以比执行僵化的、预先计划好的路径更高效地导航复杂的物理环境。通过将简化复杂数据的方法与从不确定性中学习的方法相结合，研究人员创造了一个可以实时引导实验的工具。这意味着在未来，科学家们可以减少寻找正确位置的时间，从而投入更多精力进行真正的科学研究，同时保护他们正在研究的脆弱样品。这项工作表明，这些实验的未来在于让数据本身告诉研究人员下一步该看哪里，将缓慢的手动搜索转变为动态的、智能的探索。